Pemetaan Akses Air Minum Layak Granular dengan Big Data Geospasial Multisumber
Dashboard

Pemetaan Akses Air Minum Layak Granular dengan Big Data Geospasial Multisumber

Urgensi Akses Air Minum Layak

Setiap manusia membutuhkan air. Menjaga kebersihan, mencuci, menyiapkan makanan, minum, dan sanitasi membutuhkan antara 20 dan 100 liter air setiap hari (Howard et al., 2020). Kondisi air yang dikonsumsi harus layak atau tidak tercemar. Kurangnya akses terhadap air minum dan sanitasi layak dapat menyebabkan berbagai penyakit seperti pneumonia, anemia, diare kronis, infeksi saluran cerna, dan lainnya (United  Nations Children’s Fund (UNICEF), 2008). Hampir dua miliar orang di seluruh dunia tidak memiliki akses ke air minum yang memadai (World Health Organization (WHO), 2019).

Penuntasan masalah akses terhadap air minum layak diangkat dalam Sustainable Development Goals (SDGs) poin 6.1:

"Pada tahun 2030, seluruh penduduk dunia memiliki akses yang universal dan merata terhadap air minum yang aman dan terjangkau".

Peran Penyediaan Data yang Granular dan Up-to-Date

Untuk mempercepat peningkatan akses air minum layak di Indonesia, data yang granular dan up-to-date sangat berperan dalam proses perencanaan dan pemantauan akses air minum layak.

1. Proyek Strategis Nasional

Peraturan Presiden Republik Indonesia Nomor 18 Tahun 2020 Tentang Rencana Pembangunan Jangka Menengah Nasional Tahun 2019-2024 menetapkan indikasi pendanaan sebesar Rp 123,4 triliun untuk pembangunan infrastruktur air leding perpipaan untuk 10 juta sambungan rumah tangga. Data aktual dengan georeferensi atau lebih terperinci hingga tingkat rumah tangga diperlukan untuk menentukan rumah tangga yang paling membutuhkan akses air minum (Ajisegiri et al., 2019).

2. Dana Desa

Menurut Peraturan Menteri Desa, Pembangunan Daerah Tertinggal, dan Transmigrasi No. 8 Tahun 2022, pemerintah desa membutuhkan data yang lebih rinci untuk mengevaluasi pengelolaan air minum masyarakat desa. Ketersediaan data di tingkat desa dapat membantu dalam perencanaan dan evaluasi penggunaan dana desa.

3. Rencana Aksi Daerah

Pemerintah kabupaten/kota juga harus melakukan evaluasi dan pemantauan realisasi anggaran berdasarkan data setidaknya dua kali setahun untuk melaksanakan Rencana Aksi Daerah Air Minum dan Pengelolaan Lingkungan (RAD AMPL).

Kondisi Data Saat Ini

Saat ini, data official tentang akses air minum layak diperoleh dari Survei Sosial Ekonomi Nasional (SUSENAS). Metode ini tidak hanya membutuhkan banyak sumber daya dan biaya, tetapi juga hanya dapat tersedia di tingkat kabupaten/kota dan diupdate hanya sekali setahun. Oleh karena itu, sulit untuk mengevaluasi Rencana Aksi Daerah Air Minum dan Pengelolaan Lingkungan dengan data SUSENAS dan menentukan lokasi mana yang paling penting untuk akses air minum.

Pemanfaatan Big Data Geospasial Multisumber

Sebaliknya, big data geospasial multisumber memiliki keunggulan dalam pengumpulan data yang cepat, mudah, murah, dan memberikan tingkat penyajian yang lebih granular, serta frekuensi update yang lebih cepat. Dengan demikian, big data geospasial multisumber dapat berfungsi sebagai sumber data alternatif untuk melengkapi keterbatasan data SUSENAS.

Data geospasial yang memiliki elemen kewilayahan seperti koordinat, alamat, kode pos, dan lainnya yang sangat besar atau melebihi kapasitas sistem komputasi individual saat ini disebut sebagai big data geospasial (Lee & Kang, 2015). Big data geospasial termasuk citra satelit hasil penginderaan jauh, Unmanned Aerial Vehicle/drone, point of interest, mobile positioning device, dan lainnya.

Data yang Digunakan

Pada penelitian ini menggunakan variabel big data geospasial dari berbagai jenis data seperti citra satelit, point of interest (POI), dan big data geospasial lainnya yaitu: relative wealth index.

Big data geospasial

Metodologi

Hasil Pemetaan Akses Air Minum Layak

Dalam kajian ini didapatkan dua pendekatan dalam memetakan akses air minum layak yaitu pendekatan machine learning dan multi-criteria decision analysis yang diimplementasikan ke dalam map dashboard.

Berikut merupakan map dashboard yang dihasilkan beserta form evaluasi dashboard.

Visit Map Dashboard Akses Air Minum LayakEvaluasi Dashboard

Desa Prioritas

Dengan menggunakan model machine learning yang sama, dilakukan updating menggunakan data pada tahun 2022. Selanjutnya, didapatkan grid-grid pada desa yang memerlukan perhatian lebih dalam meningkatkan akses air minum layak. Berikut ditampilkan daftar desa prioritas peningkatan akses air minum layak di Provinsi Jawa Barat.

Kode

Kabupaten/Kota

Kecamatan

Desa

Estimasi AAML (%)

ID3202010001

Sukabumi

Ciemas

Cibenda

79.48

ID3202060001

Sukabumi

Tegal Buleud

Sumberjaya

79.79

ID3202060006

Sukabumi

Tegal Buleud

Nangela

79.94

ID3203030008

Cianjur

Cidaun

Cimaragang

78.11

ID3203030009

Cianjur

Cidaun

Gelarpawitan

77.65

ID3203030010

Cianjur

Cidaun

Neglasari

79.48

ID3203030011

Cianjur

Cidaun

Cibuluh

77.89

ID3203030012

Cianjur

Cidaun

Puncakbaru

76.62

ID3203040001

Cianjur

Naringgul

Cinerang

77.61

ID3203040002

Cianjur

Naringgul

Wangunjaya

78.21

ID3203040003

Cianjur

Naringgul

Mekarsari

76.96

ID3203040004

Cianjur

Naringgul

Wangunsari

78.09

ID3203040005

Cianjur

Naringgul

Malati

77.94

ID3203040006

Cianjur

Naringgul

Sukamulya

76.49

ID3203040007

Cianjur

Naringgul

Naringgul

77.74

ID3203040008

Cianjur

Naringgul

Wanasari

78.39

ID3203040009

Cianjur

Naringgul

Sukabakti

77.71

ID3203040010

Cianjur

Naringgul

Balegede

79.16

ID3203040011

Cianjur

Naringgul

Margasari

79.75

ID3203051002

Cianjur

Cikadu

Sukaluyu

79.71

ID3203051003

Cianjur

Cikadu

Mekarlaksana

77.59

ID3203051004

Cianjur

Cikadu

Cikadu

78.39

ID3203051007

Cianjur

Cikadu

Cisaranten

78.92

ID3203051008

Cianjur

Cikadu

Sukamulya

79.7

ID3203071010

Cianjur

Cijati

Sukamaju

79.44

ID3203100018

Cianjur

Pagelaran

Sukamaju

79.12

ID3205010006

Garut

Cisewu

Sukajaya

79.61

ID3205010007

Garut

Cisewu

Cikarang

78.74

ID3205010008

Garut

Cisewu

Pamalayan

79.96

ID3205010009

Garut

Cisewu

Cisewu

79.64

ID3205010010

Garut

Cisewu

Girimukti

76.97

ID3205010011

Garut

Cisewu

Nyalindung

79.84

ID3205010012

Garut

Cisewu

Karangsewu

76.91

ID3205010014

Garut

Cisewu

Panggalih

79.61

ID3205011001

Garut

Caringin

Cimahi

79.98

ID3205011004

Garut

Caringin

Caringin

79.28

ID3205011005

Garut

Caringin

Sukarame

79.91

ID3205011006

Garut

Caringin

Samudrajaya

79.29

ID3205020001

Garut

Talegong

Selaawi

76.62

ID3205020003

Garut

Talegong

Mekarmulya

79.66

ID3205020005

Garut

Talegong

Sukamaju

76.97

ID3205020007

Garut

Talegong

Mekarwangi

76.62

ID3205031005

Garut

Mekarmukti

Mekarsari

79.87

ID3205060009

Garut

Cikelet

Girimukti

79.63

ID3205060011

Garut

Cikelet

Awassagara

79.57

ID3205070006

Garut

Pameungpeuk

Bojong

79.92

ID3205080005

Garut

Cibalong

Maroko

79.57

ID3205080007

Garut

Cibalong

Simpang

79.97

ID3205080009

Garut

Cibalong

Mekarmukti

79.78

ID3205090004

Garut

Cisompet

Cikondang

79.7

ID3205090009

Garut

Cisompet

Margamulya

78.52

ID3206010015

Tasikmalaya

Cipatujah

Sukahurip

78.89

ID3206080002

Tasikmalaya

Bojonggambir

Bojongkapol

79.18

ID3207130001

Ciamis

Cidolog

Jelegong

79.45

ID3207130006

Ciamis

Cidolog

Sukasari

79.45

Evaluasi Dashboard

evaluasi


Share Tweet Send
0 Comments
Loading...
You've successfully subscribed to Big Data STIS
Great! Next, complete checkout for full access to Big Data STIS
Welcome back! You've successfully signed in
Success! Your account is fully activated, you now have access to all content.